基于氨基酸位置特异性的蛋白质Loop区结构预测改进方法

蛋白质loop区的结构预测是理解蛋白质功能的重要一环,而长loop区的结构预测至今还是生物信息学中的难题.目前己经出现了多种loop结构的算法,其中LEAP是预测精度最高的算法之一,但它在长loop区初始主链构象采样上仍有较大的改进余地.本文中我们将蛋白质二级结构预测算法SPINE X与LEAP算法结合起来,构建了新的主链扭转角分布图(拉氏图),在主链初始构象采样中引入氨基酸在蛋白序列中的位置特异性信息,使得初始构象的采样更具针对性,对取自CASP10单链蛋白的loop测试集的分析表明,对长度为10,11,12个氨基酸的长loop区,改进后算法都比原始LEAP算法的预测精度有显著提升.这种引入氨基酸位置特异性从而提高预测精度的思路有望进一步推广至loop结构预测的其他算法.

基于贝叶斯定理的势能函数应用于蛋白质结构预测

改进了一种基于贝叶斯定理的S势能函数并应用于对loop结构的测试取得较好结果,证明S势能函数对loop结构预测是可行的和有效的。测定结果说明S势能函数的辨别率高于RAPDF势能函数,对loop结构具有较好的预测能力。